Drought-induced shifts in cowpea rhizoplane bacterial communities across different vegetative and reproductive stages
Notice bibliographique
Résumé
• Genotype, drought, and growth stages shaped cowpea rhizoplane bacterial diversity. • Drought decreased microbial activity but increased the utilization of complex carbon sources. • Genotypic-specific recruitment of bacterial taxa observed under drought. • Soil enzymes and plant physiological traits influence microbial community structure. • Random forest and SHAP values identified key drought-enriched bacterial biomarkers. The increasing prevalence of drought poses significant challenges to global food security, necessitating a deeper understanding of plant-microbiome interactions which help crop production. This study investigated the dynamics of drought stress-induced changes in rhizosphere-associated bacterial communities of two cowpea ( Vigna unguiculata L.) genotypes (EpicSelect4 and UCR369) across four growth stages. Community-level physiological profiling using Biolog EcoPlate analysis revealed that drought reduced rhizosphere microbial metabolic activity (carbon substrate utilization) in both genotypes, but UCR369 maintained higher metabolic capability than EpicSelect4 across growth stages. Further, integration of amplicon metagenomics and physiological data showed that drought significantly altered rhizoplane bacterial communities in cowpea, with distinct genotype-specific responses. There was a decline in Alpha diversity under drought, while community composition shifted based on genotype. Beta diversity results revealed that genotype and drought significantly influenced microbial community structure across growth stages. Proteobacteria dominated the root zone of the EpicSelect4 genotype, while UCR369 showed an increase in Actinobacteria under drought conditions. Redundancy analysis revealed that soil enzyme activities (β-glucosidase and N-acetyl-glucosaminidase) and physiological traits werecorrelated significantly with microbial community shifts. Interpretable machine learning approach identified Actinobacteriota and Cyanobacteria as the key biomarkers enriched under drought, with genera such as Streptomyces and Ensifer potentially contributing to drought tolerance. The Random Forest model coupled with SHapley Additive exPlanations (SHAP) values demonstrated high predictive accuracy for identifying drought-related biomarkers, aligning with DeSeq2 analysis results. These models provided insights into the potential contributions of specific microbial taxa to cowpea drought tolerance, offering a promising avenue for developing microbiome-based strategies to improve crop resilience and sustainability under drought conditions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».